19 de octubre de 2021
Descubra a los ganadores del concurso de exportación YOLOv5 de Ultralytics, que muestra lo mejor en despliegue de modelos de IA en varios dispositivos.
Con el objetivo de ayudar a todo el mundo a entrenar y desplegar fácilmente los mejores modelos de Vision AI, hemos organizado nuestro primer concurso de exportación Ultralytics YOLOv5. Valoramos estar en contacto con los miembros de nuestra comunidad de código abierto y siempre nos impresionan las numerosas aplicaciones que crean los usuarios.
El concurso estuvo abierto desde el 17 de mayo de 2021 hasta el 31 de septiembre de 2021 a las 24:00 UTC. Después de esta fecha, el concurso se cerró y los envíos posteriores no podían optar a premios en metálico.
La evaluación tuvo lugar del 1 al 31 de septiembre de 2021. Nuestro equipo estudió a fondo cada una de las propuestas.
La mejor presentación en las categorías ha reclamado los fondos del premio completo de $2000.00 (2000.00 USD) de Ultralytics para esa categoría.
Con la ayuda de nuestra increíble comunidad, hemos creado previamente 5 categorías que representan los escenarios de despliegue más populares en el mundo real para los modelos YOLOv5, incluyendo Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop CPU y dispositivos Android Edge.
Nuestros participantes han creado un repositorio público Github para su presentación, han asignado a su trabajo una licencia de código abierto y han publicado su presentación directamente en uno de los 5 hilos oficiales de presentación del Concurso EXPORT para que la comunidad pueda votar. Tenga en cuenta que estos hilos son sólo para las presentaciones oficiales. Las preguntas o comentarios generales se han planteado directamente en este hilo, o en un nuevo debate. Enlaces a las propuestas:
Después de pensarlo mucho, elegimos a los ganadores de cada una de las cinco categorías, que representan los escenarios más populares de implantación en el mundo real de los modelos YOLOv5. Nos pusimos en contacto personalmente con todos los participantes y, a continuación, entregamos los premios a los ganadores. Hoy nos complace compartir con ustedes las mejores soluciones.
Premio: 2000 $.
Premio: 2000 $.
Premio: 2000 $.
Premio: 2000 $.
No hay ganador *
Premio: 2000 $.
No hay ganador *
*Los trabajos presentados en esta categoría no cumplían los requisitos mínimos en cada uno de los criterios de evaluación. Por lo tanto, no se seleccionó a ningún ganador para la categoría en esta ocasión, sin embargo, habrá más oportunidades para que los participantes vuelvan a competir en el futuro.
¡Enhorabuena a los ganadores! No dejes de visitar sus repositorios.
"La biblioteca YOLOv5 es genial: se actualiza casi a diario, los modelos funcionan bien y la experiencia del usuario mejora continuamente. Gran parte de mi investigación implica desplegar ML en dispositivos embebidos, y ya había trabajado con la EdgeTPU anteriormente, así que esto parecía un reto divertido."
Josh Veitch-Michaelis
También queremos felicitar a todos los que han participado en nuestro concurso de exportación. Tenemos la suerte de contar con numerosos y valiosos miembros en nuestra comunidad de código abierto. Son las contribuciones de todos ustedes las que hacen grande a nuestra comunidad.
¡Sigue siendo increíble y sigue creando! 🚀
Las propuestas presentadas al concurso de exportación se valoraron en función de varios criterios: la sencillez y reproducibilidad de los métodos de exportación, la calidad de la documentación, la calidad de la exportación y la velocidad y precisión de los modelos exportados. A continuación, el equipo de Ultralytics y la comunidad puntuaron las propuestas.
La exportación más sencilla tendrá el menor número de pasos, requerirá el menor número de argumentos/parámetros, utilizará el menor número de paquetes importados y será ejecutable con la menor cantidad de código.
Los envíos deben estar bien documentados utilizando un archivo de envío markdown. Deberá explicarse cada paso, incluida la configuración/requisitos, los ajustes/argumentos, los pasos de exportación y la configuración del entorno de despliegue, si procede.
Deben incluirse todos los aspectos de la exportación y el despliegue, partiendo de un modelo oficial de yolov5s.pt. Para entornos que requieran requisitos especiales, como Jetson Nano, se deben suministrar y documentar todos los paquetes y/o imágenes Docker. Para implementaciones Android, también debe incluirse una aplicación Android de referencia. Una presentación debe incluir el 100% de lo que se requiere para exportar y utilizar completamente un modelo YOLOv5.
Los modelos desplegados deben devolver resultados de inferencia casi idénticos a los de los modelos oficiales YOLOv5 PyTorch (es decir, inferencia con python detect.py --weights yolov5s.pt). La precisión de las soluciones desplegadas se analizará en un conjunto de imágenes de prueba de Ultralytics que no están disponibles al público. La velocidad también es muy importante, y se favorecerán las soluciones de despliegue más rápidas. En el caso de Android, las exportaciones a GPU, NNAPI y los delegados de Hexagon recibirán la máxima puntuación.
.webp)